北京
RAGFlow 迎來了具有里程碑意義的版本 ——v0.24.0。這一版本在 AI 記憶系統、代理管理、檢索優化、生態數據庫支持、模型接入以及多沙箱體系架構等多個方向上都進行了深度升級。可以說，v0.24.0 是一次真正意義上的“全棧強化版本”，不僅優化了開發者體驗，也極大提升了系統穩定性、可擴展性和易用性。
本文將帶你系統梳理 RAGFlow v0.24.0 的所有新增功能、優化亮點和修復更新，讓你全面掌握這一版本的核心變化。
一、版本概覽與核心方向
RAGFlow v0.24.0 的開發重點主要圍繞以下幾大核心方向展開：
1.Memory（記憶系統）正式上線：支持 SDK 與 API 接入，同時提供控制臺日志查看。
2.Agent（智能代理）全面升級：引入會話管理、對話保持、多沙箱機制。
3.Dataset（知識庫）增強：支持批量 Metadata 管理，ToC 更名為 PageIndex。
4.Chat 模塊革新：移除過時的 Reasoning 配置，引入全新的 Thinking 模式與流式輸出。
5.Admin 管理優化：多管理員體系上線，權限控制更靈活。
6.Model 接入中心拓展：支持更多模型并引入連接測試功能。
7.Ecosystem（生態拓展）：全面支持 OceanBase 數據庫，并新增 PaddleOCR-VL 支持。
8.數據源集成增強：支持 Zendesk、Bitbucket、Seafile、MySQL、PostgreSQL 等多數據源。
除此之外，v0.24.0 還包含了大規模的 Bug 修復、性能優化與架構重構，為企業級開發提供了更加穩定可靠的底層支撐。
二、Memory 模塊全面上線：AI 具備“記憶力”的時代到來
RAGFlow v0.24.0 中最具突破性的更新之一，就是正式引入了Memory 系統。
2.1 全新 API 與 SDK
新的 Memory 模塊不僅提供了內部集成，還配備了API 與 SDK，供開發者在自定義應用中調用。
無論是構建智能助手，還是實現用戶上下文持久化，開發者可以直接訪問 RAGFlow 的記憶接口，實現動態對話累積。
2.2 記憶提取日志可視化
控制臺新增 Memory 提取日志功能，研發者可以清晰查看記憶存取過程，便于排錯與追蹤。
這對于調試復雜多輪對話邏輯和系統記憶提取的工作流尤其有幫助。
2.3 Memory 分類顯示與狀態追蹤
系統支持按照類別查看 Memory 信息，同時新增 Memory 狀態顯示。這意味著開發者能夠輕松追蹤每個記憶單元的使用與提取狀態，為 AI 系統的長期學習與推理提供堅實基礎。
三、Dataset 模塊：Meta 數據管理進入批量時代
v0.24.0 對 Dataset 管理進行了核心改進。
3.1 批量 Metadata 管理
知識庫支持對 Metadata 進行批量操作，這極大增強了管理能力。
以往需要單條編輯、同步的元數據，現在可通過批處理一鍵更新，節省大量手工時間。
3.2 ToC 更名為 PageIndex
為提升規范性與通用性，原 “ToC（Table of Contents）” 已更名為 “PageIndex”，新的命名更直觀、統一，也減少了歧義。
3.3 Metadata 邏輯優化
v0.24.0 優化了 Metadata 邏輯結構，支持樹形結構展示、精確時間選擇、批量刪除時自動清除已選項，并新增 Metadata 條件過濾與值搜索添加功能，讓知識管理更加靈活高效。
四、Agent 模塊：全新多會話與多沙箱體系
智能 Agent 模塊是本次版本的又一核心亮點。
4.1 會話管理界面全面重構
新增類似 Chat 的對話管理界面，允許代理保留 Sessions 與會話記錄。用戶可以在不同 Session 中自由切換，實現長期記憶式交互體驗。
4.2 多沙箱機制（Multi-Sandbox System）
RAGFlow v0.24.0 引入了「多沙箱機制」，目前支持：
?本地 gVisor 沙箱
?阿里云沙箱
此外，該機制也兼容主流沙箱 API。開發者可以在管理后臺自行配置，安全性與隔離性得到全面提升。
4.3 新增對話流功能與操作改進
代理對話歷史保留、系統變量包含歷史字段，同時優化了消息展示邏輯、分類操作符支持連續操作、修復多輪循環中的變量指派問題。
4.4 新增多文件上傳與會話批量刪除
用戶現可一次上傳多個文件到聊天或代理流程中，并支持一次性批量刪除會話歷史，便于清理存儲與隱私管理。
五、Chat 模塊革新版：更智能的對話體驗 5.1 全新 Thinking 模式
過去的 Reasoning（推理）配置項被移除，取而代之的是更靈動的Thinking Mode。
在該模式下，模型能夠以逐步思考方式展示推理過程，提升輸出質量與交互透明度。
5.2 深度檢索策略優化
深研場景下的檢索邏輯得到全面強化，Recall 準確率顯著提升，為文檔問答、知識對齊等復雜任務提供更可靠的支持。
5.3 Streaming 流式輸出
新增流式輸出功能，回復將分塊實時顯示，用戶可邊看邊互動，大幅提升對話流暢度與實時感知體驗。
5.4 交互體驗優化
? 支持輸入框自動伸縮。
? 加入“思考”按鈕，用戶可主動觸發推理模式。
? 支持 Web Search 一鍵檢索整合外部信息。
? 滾動條優化，可適應大模型快速輸出場景。
RAGFlow v0.24.0 支持多個管理員協同管理系統。各 Admin 用戶擁有獨立授權，可以分配或取消超級用戶權限。
6.2 CLI 工具全面升級
Admin CLI 改進為RAGFlow CLI，新 CLI 支持以下命令：
? 用戶授權管理（grant/revoke）
? 模型連接測試
? Ping 連通性測試
? 檢索測試命令
? 系統設置與配置環境列表展示
CLI 工具現已成為開發調試必備組件，為平臺運維與自動化提供強大支持。
七、模型配置中心：更多模型，更智能的集成體驗
在 v0.24.0 中，模型接入中心迎來了全面升級。
7.1 新增模型支持
本次新增支持以下模型：
?Kimi 2.5
?Stepfun 3
?doubao-embedding-vision
?PaddleOCR-VL-1.5
? 更新了Gemini、Hunyuan、Kimi-k2.5等引擎的適配。
模型新增連接測試按鈕，管理員在添加模型時可快速驗證配置正確性，以防運行時報錯。
7.3 模型驗證與校驗邏輯優化
引入模型 verify 功能，可檢測 LLM Key 可用性，并支持語義大詞組增強（boost bigrams），提升語言理解力。
八、生態與數據庫擴展：OceanBase 領銜新生態
v0.24.0 在數據庫支持方面展現出強大的生態兼容能力。
8.1 OceanBase 全面支持
OceanBase 現已被正式納入官方支持范圍，成為 MySQL 外的強力替代方案。
? 新增 OceanBase內存存儲機制。
? 支持 OceanBaseText-to-SQL Agent、表解析器與性能監控機制。
? 支持 OceanBase 到 Elasticsearch 的遷移工具。
引入 SeekDB，作為 OceanBase 的輕量化版本，為中小型企業部署提供更高性價比方案。
8.3 其他生態增強
?Peewee ORM 支持：OceanBase 可作為主數據庫直接集成。
?ElasticSearch → OceanBase 遷移工具上線。
?OceanBase 性能監控與健康檢測集成。
通過以上增強，RAGFlow 已成為支持多數據庫、多引擎、多生態的 AI 數據管理平臺。
九、數據源與連接器擴展
v0.24.0 帶來了眾多數據源連接器更新，覆蓋更廣泛的業務系統。
新增支持：
?Zendesk（工單系統）
?Bitbucket（代碼庫）
?Seafile（文件同步）
?MySQL 與 PostgreSQL 數據源
除此之外，還優化了 WebDAV、GitLab、Aliyun OSS、MinIO 等已有連接器的穩定性、安全簽名和數據同步機制。
十、安全性與性能優化
RAGFlow v0.24.0 在安全層面同樣進行了全方位強化。
?SQL 注入防御增強。
?壓縮文件解壓漏洞修復。
?CVE 安全漏洞修復。
?密碼保留機制優化（防止連接初始化失效）。
?pipeline 圖像縮略圖顯示修復。
同時，在性能層面，通過異步任務、線程池控制、索引優化、緩存刷新等機制，大幅提升了系統響應速度與并發性能。
十一、文檔與開發者支持完善
v0.24.0 的文檔體系也完成了大規模重構，新增和更新包含：
? Memory SDK 文檔
? Python SDK 開發示例
? Ingestion Pipeline 快速入門
? Admin 配置指南
? Webhook 特定配置提示
? Copilot 設置與命名規范
此外，UI 改版采用了全新的shadcn 框架，文檔體驗更加現代，閱讀與操作更加直觀。
十二、界面與用戶體驗優化
新版 UI 進行了大量細節優化：
? Memory、Agent、Chat、Dataset 頁面全部通過 shadcn 重構。
? 頁面交互流暢度明顯提升，組件風格統一。
? 修復了 VSCode 語法提示失效、登錄頁樣式錯誤、對話窗口異常滾動等問題。
? 增加“Explore 頁面”，“Translation Page Index”多語言展示支持。
此外，新增德語界面元素，在國際化層面進一步拓展全球化部署能力。
十三、大量 Bug 修復與架構重構
新版本共合并上千項提交，進行了系統性的代碼優化和問題修復，如：
? 修正 Infinity 檢索邏輯、Chunk 重復返回問題。
? 修復 DOCX、PDF 解析、表格旋轉、頁碼異常。
? 優化 Excel 行計數、RDBMS 字段分隔符、任務取消邏輯。
? 修復多模型輸出異常、Token 計數不準問題。
通過這些修復，RAGFlow 的健壯性和容錯性邁上新臺階。
十四、總結：面向智能化生態的關鍵版本
代碼地址：github.com/infiniflow/ragflow
RAGFlow v0.24.0 是一個跨越式版本。它不僅在功能上更全面，也在“AI 記憶化”、“多數據生態化”、“智能對話流化”和“系統企業化”方向完成了重要升級：
? Memory 模塊代表 RAGFlow 真正具備“持久智能”的能力；
? Agent 多會話與多沙箱奠定企業級多任務并行的基礎；
? OceanBase、SeekDB 的接入標志數據庫生態拓寬；
? 新模型體系擴展了算法兼容的廣度；
? 大量錯誤修復與優化讓產品更穩定可靠。
可以預見，RAGFlow v0.24.0 將成為企業搭建知識驅動型 AI 應用的重要版本節點，為后續的 v0.25.x 系列打下堅實基礎。
結語：
RAGFlow v0.24.0 不僅是一份更新，更是一份宣言：
它標志著一個真正具備「記憶」、「深度研究」與「開放生態」能力的智能系統正式成型。無論你是開發者、企業架構師，還是 AI 系統集成商，都應該親手體驗這一版本帶來的創新突破。
我們相信人工智能為普通人提供了一種“增強工具”，并致力于分享全方位的AI知識。在這里，您可以找到最新的AI科普文章、工具評測、提升效率的秘籍以及行業洞察。 歡迎關注“福大大架構師每日一題”，發消息可獲得面試資料，讓AI助力您的未來發展。
特別聲明：以上內容(如有圖片或視頻亦包括在內)為自媒體平臺“網易號”用戶上傳并發布，本平臺僅提供信息存儲服務。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
